採用 ML 技術的異常偵測極端值

採用 ML 技術的異常偵測運算會搜尋您的資料是否出現極端值。例如，您可以偵測 2019 年 1 月 3 日總銷售的前三項極端值。若啟用貢獻分析，您也可以偵測每個極端值的主要驅動因素。

若要使用此函數，您在 Time (時間) 欄位集至少需要有一個維度，在 Values (值) 欄位集至少需要一個量值，在 Categories (類別) 欄位集至少需要有一個維度。組態畫面提供了一個選項來分析促成主要驅動因素的其他欄位，即使這些欄位不在欄位集中也無妨。

如需詳細資訊，請參閱透過採用 ML 技術的異常偵測來偵測極端值。

注意

您無法將採用 ML 技術的異常偵測新增至另一個運算，而且也無法將另一個運算新增至異常偵測。

運算輸出

每個函數會產生一組輸出參數。您可以將這些輸出新增到自動敘述以自訂其顯示內容。您也可以新增自己的自訂文字。

若要尋找輸出參數，請開啟右側的 Computations (運算) 標籤，並找出您想要使用的運算。運算的名稱是來自您建立洞見時所提供的名稱。選擇輸出參數 (僅按一下即可)。如果您按了兩下，您將新增兩次相同的輸出。您可以在敘述中後續使用 bold monospace font 中顯示的項目。

• timeField：為時間欄位集。

  • name：欄位的格式化顯示名稱。

  • timeGranularity – 時間欄位精細度 （DAYYEAR、 等）。

• categoryFields：為分類欄位集。

  • name：欄位的格式化顯示名稱。

• metricField：為數值欄位集。

  • name：欄位的格式化顯示名稱。

  • aggregationFunction – 用於指標 （AVG、 等） SUM的彙總。

• itemsCount：此運算中包含的項目數量。

• items：異常項目。

  • timeValue：日期維度中的值。

    • value：異常點 (極端值) 的日期/時間欄位。

    • formattedValue：異常點日期/時間欄位中的格式化值。

  • categoryName：類別的實際名稱 (cat1、cat2 等)。

  • direction：識別為異常的 x 軸或 y 軸方向：HIGH 或 LOW。HIGH 表示「高於預期」。LOW表示「低於預期」。

    逐一查看項目時，AnomalyDetection.items[index].direction 可以包含 HIGH 或 LOW。例如，AnomalyDetection.items[index].direction='HIGH' 或 AnomalyDetection.items[index].direction=LOW。AnomalyDetection.direction 針對 ALL 可以有一個空字串。例如，AnomalyDetection.direction=''。

  • actualValue：異常點或極端值的指標實際值。

    • value：原始值。

    • formattedValue：由指標欄位格式化的值。

    • formattedAbsoluteValue：由指標欄位格式化的絕對值。

  • expectedValue：異常點 (極端值) 的指標預期值。

    • value：原始值。

    • formattedValue：由指標欄位格式化的值。

    • formattedAbsoluteValue：由指標欄位格式化的絕對值。